一种无人机多光谱遥感图像拼接分析方法技术

本发明专利技术公开了一种无人机多光谱遥感图像拼接分析方法，涉及图像处理技术领域，包括S1000、检测模型训练，标注多光谱遥感图像数据集并通过多光谱遥感图像数据集对检测模型进行训练；S2000、待拼接图像推理，使用训练后的检测模型对待拼接图像进行推理检测；S3000、待拼接图像拼接，对特征描述子进行匹配并对待拼接图像进行拼接得到全景图像。本发明专利技术基于易于剪裁的深度学习框架，将图像拼接和分析处理流程中的特征描述子提取和语义分割两个步骤有机结合在一起，大大减少了算力需求，极大地简化了流程，并且方便部署。并且方便部署。并且方便部署。

【技术实现步骤摘要】
一种无人机多光谱遥感图像拼接分析方法


[0001]本专利技术涉及图像处理
，尤其涉及一种无人机多光谱遥感图像拼接分析方法。

技术介绍

[0002]近年来，随着无人机，光谱传感和图像分析技术的日益成熟，无人机多光谱软硬件一体化程度和观测精度以及易用性得到了极大的发展和进步，无人机多光谱遥感已经在农业，林业，资源，生态，环境保护等领域应用日渐广泛。通过对某一区域的无人机航拍多光谱图像进行拼接和分析，能够得到该区域的精准信息，如在农业林业领域中对植物作物长势种类进行分析，对长势和病虫害进行检测，对产量进行预估等。基于无人机的多光谱遥感技术具备机动灵活，操作简单，按需获取的优点，有效克服了卫星及大型航空遥感系统分辨率低，重访周期长，受水汽环境影响大等不足。
[0003]专利CN201210510695.9公开了一种基于人眼视觉特性的遥感图像拼接方法，通过提取参考图像和待拼接图像上的特征点并建立匹配特征点对，得到参考图像和待拼接图像之间初始的变换矩阵，然后通过迭代的方法不断更新变换矩阵，最终使用该变换矩阵对待拼接图像进行投影变换和拼接融合。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机多光谱遥感图像拼接分析方法，其特征在于，包括以下步骤：S1000、检测模型训练，标注多光谱遥感图像数据集并通过所述多光谱遥感图像数据集对所述检测模型进行训练；S2000、待拼接图像推理，使用训练后的检测模型对所述待拼接图像进行推理检测；S3000、所述待拼接图像拼接，对特征描述子进行匹配并对所述待拼接图像进行拼接得到全景图像。2.如权利要求1所述的无人机多光谱遥感图像拼接分析方法，其特征在于，还包括以下步骤：S4000、所述全景图像分析，将所述待拼接图像的语义信息映射至所述全景图像。3.如权利要求1或2所述的无人机多光谱遥感图像拼接分析方法，其特征在于，所述步骤S1000中具体包括：S1100、基于规则随机生成实时渲染数据集；S1200、使用所述实时渲染数据集对标注模型进行训练；S1300、使用所述标注模型对所述多光谱遥感图像数据集进行标注；S1400、使用标注后的多光谱遥感图像数据集对所述检测模型进行训练；S1500、进行量化，剪裁并最终得到检测模型。4.如权利要求3所述的无人机多光谱遥感图像拼接分析方法，其特征在于，所述步骤S1200还包括：S1210、使用所述标注模型进行下采样，通过卷积块和最大池化块完成；S1220、使用所述标注模型进行上采样，通过卷积块和反卷积块完成；S1230、对所述标注模型的中间特征张量跳层连接；S1240、计算特征描述子坐标损失函数并反向传播；S1250、判断是否达到指定迭代次数，如果未达到，则返回步骤S1100；如果达到，则完成训练，执行步骤S1300。5.如权利要求4所述的无人机多光谱遥感图像拼接分析方法，其特征在于，所述步骤S1300具体包括：S1310、使用所述标注模型对所述多光谱遥感图像数据集进行推理检测，得到每一张图像的特征描述子位置坐标标签；S1320、使用数据增强手段对所述多光谱遥感图像数据集进行扩充，得到扩充多光谱遥感图像数据集；S1330、使用所述标注模型对所述扩充多光...

【专利技术属性】
技术研发人员：杨洋，何小其，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：